基于力导引的桥接匹配用于全原子时程粗化动力学的肽
化学物理
2024-12-05 v6 机器学习
计算物理
生物大分子
摘要
分子动力学（MD）在材料科学、化学和药理学等诸多领域至关重要。传统MD软件在时间成本与预测精度之间难以取得平衡，这限制了其更广泛的应用。最近，基于深度生成模型的数据驱动方法被用于时程粗化动力学，这旨在学习在大时间步长下对多样化分子系统的动力学，同时具有普适性和效率。然而，大多数当前方法仅从数据分布中学习，忽略了底层Boltzmann分布，以及能量和力等物理先验。本文提出一种条件生成模型，称为Force-guided Bridge Matching（FBM），它学习全原子时程粗化动力学并针对Boltzmann约束分布进行建模。通过指导我们精心设计的中间力场，FBM将有利的物理先验纳入生成过程，造就更佳的模拟。实验在两个由肽构成的数据集上验证了我们的优势，综合指标显示其对未知系统的可迁移性。
关键词
引用
@article{arxiv.2408.15126,
title = {Force-Guided Bridge Matching for Full-Atom Time-Coarsened Dynamics of Peptides},
author = {Ziyang Yu and Wenbing Huang and Yang Liu},
journal= {arXiv preprint arXiv:2408.15126},
year = {2024}
}